[发明专利]打分模型的建立、用户信用的评估方法及装置

权利要求书

1.一种用户信用的评估方法，其特征在于，包括：

获取用户的信用数据信息；

根据所述信用数据信息，确定目标特征变量以及其它特征变量对应的特征值，其中，所述目标特征变量是根据样本数据中各个特征变量的聚合指标选取的，所述样本数据由至少一个特征变量及对应的特征值构成；对所述样本数据中各个特征变量对应的特征值进行预处理；所述目标特征变量或者所述其它特征变量归属于如下类别：用户行为数据、用户趋势数据以及用户画像数据；

根据所述目标特征变量对应的特征值，选择对应的样本数据分组；

根据所述样本数据分组对应的子打分模型以及所述其它特征变量对应的特征值，确定所述用户的信用分数；

根据所述用户的信用分数，对所述用户的信用进行评估；

还包括：选取所述目标特征变量的步骤，包括：

对所述样本数据中的每个特征变量，获取所述特征变量与其它特征变量的交互指标；

根据所述交互指标，确定所述特征变量的聚合指标；

根据各个特征变量的聚合指标，从所述至少一个特征变量中选取目标特征变量。

2.根据权利要求1所述的方法，其特征在于，所述获取所述特征变量与其它特征变量的交互指标，包括：

根据所述样本数据中所述特征变量及对应的特征值、所述其它特征变量及对应的特征值以及所述样本数据的样本标记，训练普通评分卡模型；

根据所述样本数据中所述特征变量及对应的特征值、所述其它特征变量及对应的特征值以及所述样本数据的样本标记，训练交叉评分卡模型；

确定训练出的普通评分卡模型与训练出的交叉评分卡模型的性能差异值，将所述性能差异值作为所述交互指标。

3.根据权利要求2所述的方法，其特征在于，所述确定训练出的普通评分卡模型与训练出的交叉评分卡模型的性能差异值，包括：

通过训练出的普通评分卡模型对样本数据进行打分；根据训练出的普通评分卡模型对样本数据的打分结果以及所述样本标记，确定训练出的普通评分卡模型的性能指标值；

通过训练出的交叉评分卡模型对样本数据进行打分；根据训练出的交叉评分卡模型对样本数据的打分结果以及所述样本标记，确定训练出的交叉评分卡模型的性能指标值；

根据训练出的普通评分卡模型的性能指标值以及训练出的交叉评分卡模型的性能指标值，确定所述性能差异值。

4.一种用户信用的评估装置，其特征在于，包括：

获取单元，用于获取用户的信用数据信息；

确定单元，用于根据所述获取单元获取的所述信用数据信息，确定目标特征变量以及其它特征变量对应的特征值，其中，所述目标特征变量是根据样本数据中各个特征变量的聚合指标选取的，所述样本数据由至少一个特征变量及对应的特征值构成；对所述样本数据中各个特征变量对应的特征值进行预处理；所述目标特征变量或者所述其它特征变量归属于如下类别：用户行为数据、用户趋势数据以及用户画像数据；

选取单元，用于根据所述确定单元确定的所述目标特征变量对应的特征值，选取对应的样本数据分组；

所述确定单元，还用于根据所述选取单元选取的所述样本数据分组对应的子打分模型以及所述其它特征变量对应的特征值，确定所述用户的信用分数；

评估单元，用于根据所述确定单元确定的所述用户的信用分数，对所述用户的信用进行评估；

所述选取单元还用于：

对所述样本数据中的每个特征变量，获取所述特征变量与其它特征变量的交互指标；

根据所述交互指标，确定所述特征变量的聚合指标；

根据各个特征变量的聚合指标，从所述至少一个特征变量中选取目标特征变量。

5.根据权利要求4所述的装置，其特征在于，所述获取所述特征变量与其它特征变量的交互指标，包括：

根据所述样本数据中所述特征变量及对应的特征值、所述其它特征变量及对应的特征值以及所述样本数据的样本标记，训练普通评分卡模型；

根据所述样本数据中所述特征变量及对应的特征值、所述其它特征变量及对应的特征值以及所述样本数据的样本标记，训练交叉评分卡模型；

确定训练出的普通评分卡模型与训练出的交叉评分卡模型的性能差异值，将所述性能差异值作为所述交互指标。

6.根据权利要求5所述的装置，其特征在于，所述确定训练出的普通评分卡模型与训练出的交叉评分卡模型的性能差异值，包括：

通过训练出的普通评分卡模型对样本数据进行打分；根据训练出的普通评分卡模型对样本数据的打分结果以及所述样本标记，确定训练出的普通评分卡模型的性能指标值；

通过训练出的交叉评分卡模型对样本数据进行打分；根据训练出的交叉评分卡模型对样本数据的打分结果以及所述样本标记，确定训练出的交叉评分卡模型的性能指标值；

根据训练出的普通评分卡模型的性能指标值以及训练出的交叉评分卡模型的性能指标值，确定所述性能差异值。